Do Colonic Mucosal Tumor Necrosis Factor Alpha Levels Play a Role in Diverticular Disease? A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Diverticular disease (DD) is the most frequent condition in the Western world that affects the colon. Although chronic mild inflammatory processes have recently been proposed as a central factor in DD, limited information is currently available regarding the role of inflammatory cytokines, such as tumor necrosis factor-alpha (TNF-α). Therefore, we conducted a systematic review and meta-analysis aiming to assess the mucosal TNF-α levels in DD. We conducted a systematic literature search using PubMed, Embase, and Scopus to identify observational studies assessing the TNF-α levels in DD. Full-text articles that satisfied our inclusion and exclusion criteria were included, and a quality assessment was performed using the Newcastle-Ottawa Scale (NOS). The principal summary outcome was the mean difference (MD). The results were reported as MD (95% confidence interval (CI)). A total of 12 articles involving 883 subjects were included in the qualitative synthesis, out of which 6 studies were included in our quantitative synthesis. We did not observe statistical significance related to the mucosal TNF-α levels in symptomatic uncomplicated diverticular disease (SUDD) vs. the controls (0.517 (95% CI -1.148-2.182)), and symptomatic vs. asymptomatic DD patients (0.657 (95% CI -0.883-2.196)). However, the TNF-α levels were found to be significantly increased in DD compared to irritable bowel disease (IBS) patients (27.368 (95% CI 23.744-30.992)), and segmental colitis associated with diverticulosis (SCAD) vs. IBS patients (25.303 (95% CI 19.823-30.784)). Between SUDD and the controls, as well as symptomatic and asymptomatic DD, there were no significant differences in the mucosal TNF-α levels. However, the TNF-α levels were considerably higher in DD and SCAD patients than IBS patients. Our findings suggest that TNF-α may play a key role in the pathogenesis of DD in specific subgroups and could potentially be a target for future therapies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,041 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».